查看“WikiEdge:ArXiv速递/2025-03-26”的源代码

== 摘要 ==
* '''原文标题'''：Orbital optimization of large active spaces via AI-accelerators
* '''中文标题'''：基于AI加速器的大活性空间轨道优化
* '''发布日期'''：2025-03-26 16:29:44+00:00
* '''作者'''：Örs Legeza, Andor Menczer, Ádám Ganyecz, Miklós Antal Werner, Kornél Kapás, Jeff Hammond, Sotiris S. Xantheas, Martin Ganahl, Frank Neese
* '''分类'''：physics.chem-ph, cond-mat.str-el
*'''原文链接'''：http://arxiv.org/abs/2503.20700v1
'''中文摘要'''：我们提出了一种高效的[[轨道优化]]方法，该方法将高度[[GPU加速]]的[[自旋适应]][[密度矩阵重整化群]]([[DMRG]])方法与[[ORCA]]程序包中实现的[[量子化学]][[完全活性空间自洽场]]([[CAS-SCF]])方法相结合。利用最新一代[[Nvidia GPU]]硬件的[[计算能力]]，我们在包含数千个[[轨道]]中数百个[[电子]][[活性空间]]尺寸的[[分子体系]]中，实现了前所未有的[[CAS]]尺寸轨道优化——最高达82个电子和82个轨道[[CAS(82,82)]]。针对[[NVIDIA DGX-A100]]和[[DGX-H100]]硬件，我们对[[多环芳烃]]和不同尺寸[[铁硫复合物]]构成的[[基准体系]]进行了详细的[[DMRG-SCF]]方法[[缩放]]和[[误差分析]]。我们的研究首次证明，在[[大键维度]]下进行[[高精度]][[DMRG计算]]对获得可靠[[收敛]]的[[CAS-SCF能量]]至关重要。对于更具挑战性的[[铁硫]][[基准体系]]，我们还发现收敛[[CAS-SCF计算]]的优化轨道对[[DMRG参数]]的[[敏感性]]高于[[多环芳烃]]体系。这种能在数天内获得如此大尺寸[[活性空间]]的收敛[[CAS-SCF能量]]和轨道的能力，降低了将适当轨道纳入[[CAS]]或选择正确最小[[CAS]]的挑战，可能为解决[[强关联]][[分子体系]]开辟全新途径。

== 摘要 ==
* '''原文标题'''：Supply chain network rewiring dynamics at the firm-level
* '''中文标题'''：企业层面的供应链网络重构动态
* '''发布日期'''：2025-03-26 14:42:44+00:00
* '''作者'''：Tobias Reisch, András Borsos, Stefan Thurner
* '''分类'''：econ.GN, nlin.AO, physics.soc-ph, q-fin.EC
*'''原文链接'''：http://arxiv.org/abs/2503.20594v1
'''中文摘要'''：[[供应链网络]]（SCN）构成任何[[社会]]的[[结构性支柱]]。它们通过协调[[地球]]上几乎每一个[[个体]]，形成了为所有人生产一切的[[社会新陈代谢系统]]。SCN绝非[[静态存在]]，而是通过[[企业]]的进出和[[供应关系]]的[[重组]]持续[[演变]]。本研究利用独特[[数据集]]追踪了一个[[国家]]SCN中企业及其供需关系的[[时间演化]]。基于[[匈牙利]]2014至2022年按月申报的[[增值税]]数据，我们重建了包含711,248家企业和38,644,400条连接的[[整体经济网络]]，以[[企业级分辨率]]捕捉了整个[[经济体]]的每次[[重构事件]]。研究发现：每年约25%的企业退出SCN，同时28%的新企业加入；平均55%的年度供应关系会在次年消失；供应关系的[[半衰期]]为13个月。新连接以[[超偏好依附]]方式链接企业，概率满足$p(i)\propto k_i^{1.08}$（$k_i$表示企业$i$的连接数）。我们校准的简易[[统计网络生成模型]]成功复现了匈牙利主导SCN的[[典型特征]]，不仅能重现[[入/出度分布]]、[[同配性]]和[[聚类结构]]等[[局部特征]]，还能捕捉真实的[[系统性风险]]轮廓。该模型揭示了[[经济重连动态]]对量化[[系统韧性]]和估计[[冲击传导]]的关键作用。

== 摘要 ==
* '''原文标题'''：The Scalar Size of the Pion from Lattice QCD
* '''中文标题'''：格点QCD中π介子的标量尺寸
* '''发布日期'''：2025-03-26 16:20:11+00:00
* '''作者'''：Konstantin Ottnad, Georg von Hippel
* '''分类'''：hep-lat, hep-ph
*'''原文链接'''：http://arxiv.org/abs/2503.20687v1
'''中文摘要'''：我们提出了一种[[系统误差]]完全受控的[[格点QCD]]计算，用于确定[[π介子]][[标量形状因子]]及相关[[半径]]。计算结果基于17个[[规范系综]]的大规模数据集，这些系综采用$N_f=2+1$[[威尔逊Clover改进海夸克]]配置。这些系综覆盖了从$a=0.049\mathrm{fm}$到$a=0.086\mathrm{fm}$四种[[格点间距]]、$130-350\mathrm{MeV}$的[[π介子质量]]范围以及多种[[物理体积]]。通过对著名的[[夸克断开贡献]]的精确测定，我们首次在接近[[物理夸克质量]]的大尺寸精细系综上实现了形状因子前所未有的[[动量分辨率]]。研究采用了$1.0\mathrm{fm} \lesssim t_\mathrm{sep} \lesssim 3.25\mathrm{fm}$范围内多种[[源汇间距]]，可靠地提取了[[零动量转移]]和[[非零动量转移]]下的相关[[基态矩阵元]]。这使得我们能够首次通过所得形状因子$Q^2$依赖性的[[$z$展开]]参数化（而非小动量转移下的简单[[线性近似]]）来获取标量半径。半径的[[物理外推]]采用三味[[NLO手征微扰理论]]，以三个[[低能常数]]（包括$L_4^r$的首个格点测定值）来参数化[[夸克质量依赖性]]。通过基于[[赤池信息准则]]的[[模型平均]]方法，我们系统评估了[[基态提取]]、形状因子参数化以及物理外推对最终结果的[[系统不确定性]]影响。

== 摘要 ==
* '''原文标题'''：Adaptive Local Clustering over Attributed Graphs
* '''中文标题'''：基于属性图的自适应局部聚类
* '''发布日期'''：2025-03-26 12:24:07+00:00
* '''作者'''：Haoran Zheng, Renchi Yang, Jianliang Xu
* '''分类'''：cs.SI, cs.DS, cs.LG
*'''原文链接'''：http://arxiv.org/abs/2503.20488v1
'''中文摘要'''：摘要：给定[[图]]$G$和[[种子节点]]$v_s$，[[局部图聚类]]（LGC）的目标是在与$C_s$大小近似线性相关的时间内，识别出围绕$v_s$的[[子图]]$C_s$（即[[局部簇]]）。这种方法无需访问整个图即可生成[[个性化簇]]，使其特别适用于涉及[[大规模图]]的[[应用场景]]。然而，现有解决方案大多仅依赖图中节点的[[拓扑连接性]]，容易受到现实图数据中普遍存在的[[缺失]]或[[噪声链接]]的影响。为解决这一问题，本文利用[[图拓扑]]与[[节点属性]]的互补特性来提升[[局部聚类]]质量。为有效挖掘[[属性信息]]，我们首先将LGC建模为[[双向扩散分布]]（BDD）的估计问题，该模型专门用于捕捉含属性节点的[[多跳关联性]]。进一步提出[[LACA]]方法——一种高效且具备严格[[理论保证]]的[[LGC]]解决方案，其核心包括：(i) 基于[[理论基础]]的快速[[节点属性预处理]]技术；(ii) 具有[[加速收敛]]特性的[[自适应向量扩散算法]]；(iii) 高效的[[三步式BDD近似]]方案。通过在8个[[真实数据集]]上与17种方法的对比实验表明，LACA在[[真实局部簇]]的[[评估指标]]上全面优于现有方法，同时[[速度提升]]达[[数量级]]。代码已开源：https://github.com/HaoranZ99/alac。

== 摘要 ==
* '''原文标题'''：High-Precision Ab Initio Radius Calculations of Boron Isotopes
* '''中文标题'''：硼同位素高精度从头算半径计算
* '''发布日期'''：2025-03-26 17:50:28+00:00
* '''作者'''：Tobias Wolfgruber, Tobias Gesser, Marco Knöll, Pieter Maris, Robert Roth
* '''分类'''：nucl-th
*'''原文链接'''：http://arxiv.org/abs/2503.20764v1
'''中文摘要'''：我们采用[[手征有效场论]]中的多种现实相互作用对[[硼同位素]]半径进行了精确研究。通过[[从头算]]无核[[壳模型]]计算结合[[机器学习]]外推方法，我们获得了具有完整[[不确定性量化]]的半径预测值。进一步扩展到半径差异研究后，我们得以探究$^{8}$B中可能存在的[[质子晕]]现象，并提供了与[[同位素位移]]直接相关的预测值——该位移可通过实验进行精确测量。

== 摘要 ==
* '''原文标题'''：Search for events with one displaced vertex from long-lived neutral particles decaying into hadronic jets in the ATLAS muon spectrometer in $pp$ collisions at $\sqrt{s}=13$ TeV
* '''中文标题'''：在$\sqrt{s}=13$ TeV质子-质子对撞中利用ATLASμ子谱仪寻找长寿命中性粒子衰变为强子喷注的单位移顶点事例
* '''发布日期'''：2025-03-26 11:21:36+00:00
* '''作者'''：ATLAS Collaboration
* '''分类'''：hep-ex
*'''原文链接'''：http://arxiv.org/abs/2503.20445v1
'''中文摘要'''：摘要：本文报道了利用[[大型强子对撞机]][[ATLAS探测器]]在2015-2018年收集的140 fb$^{-1}$、质心能量$\sqrt{s}=13$ TeV的[[质子]]-[[质子]]对撞数据，对[[长寿命中性粒子]]衰变为[[强子喷注]]并在[[μ子谱仪]]中产生[[位移顶点]]（距主相互作用顶点3-14米）的事件进行搜寻。观测到的事件数与预期本底一致，并对若干基准信号模型给出了限制。研究考虑了[[标量门户模型]]和[[希格斯玻色子]]门户[[重子生成模型]]，并采用专用分析道针对[[Z玻色子]]伴随产生的[[长寿命粒子]]（包括[[类轴子粒子]]和[[暗光子]]模型）进行探测。对于[[希格斯玻色子]]模型，在95%置信水平下排除了[[长寿命粒子]]固有衰变长度在5厘米至40米范围内、分支比高于1%的情况。对于所研究的[[避光类轴子粒子]]模型，本次搜寻对固有衰变长度大于$\mathcal{O}(10)$厘米的情况给出了迄今最强的限制。

== 摘要 ==
* '''原文标题'''：Ion beam treatment of thick polystyrene films
* '''中文标题'''：厚聚苯乙烯薄膜的离子束处理
* '''发布日期'''：2025-03-26 09:39:21+00:00
* '''作者'''：Alexey Kondyurin
* '''分类'''：physics.chem-ph
*'''原文链接'''：http://arxiv.org/abs/2503.20359v1
'''中文摘要'''：摘要：在[[硅片]]上旋涂厚度为78 nm至1.3 μm的[[聚苯乙烯]]薄膜经20 keV[[氮离子]]束处理后，[[椭圆偏振测量]]和[[FTIR光谱]]显示表面改性层与离子在[[聚合物]]中的[[穿透深度]]（约70 nm）相符。然而，深层洗涤及后续测试表明，薄改性层中形成的[[自由基]]会迁移至体层，导致深层[[聚苯乙烯]]发生一系列[[化学结构]]变化。因此，尽管离子在[[聚苯乙烯]]膜中的[[穿透深度]]较浅，但整个薄膜的改性深度远超过[[离子投射范围]]。这表明[[离子束]]处理仅能条件性地视为[[表面改性]]方法，必须考虑[[自由基反应]]及其向[[聚合物]]深层迁移的可能性。

== 摘要 ==
* '''原文标题'''：Nonparametric MLE for Gaussian Location Mixtures: Certified Computation and Generic Behavior
* '''中文标题'''：高斯位置混合的非参数极大似然估计：可验证计算与通用行为
* '''发布日期'''：2025-03-26 03:36:36+00:00
* '''作者'''：Yury Polyanskiy, Mark Sellke
* '''分类'''：math.ST, stat.ML, stat.TH
*'''原文链接'''：http://arxiv.org/abs/2503.20193v1
'''中文摘要'''：我们研究一维[[高斯分布|高斯]][[位置混合模型]]的[[非参数统计|非参数]][[最大似然估计]]量$\widehat{\pi}$。自(Lindsay, 1983)以来已知，给定n个[[数据点]]时，该估计量总是返回最多含n个分量的[[混合模型]]；而近期(Wu-Polyanskiy, 2020)对[[次高斯分布|次高斯]][[数据]]给出了严格的$O(\log n)$界。本文研究$\widehat{\pi}$的[[计算复杂性|计算特性]]：提出一种[[算法]]，当$\varepsilon>0$足够小时，可在$K+Cnk^2\log\log(1/\varepsilon)$时间内计算[[Wasserstein距离]]下的$\varepsilon$[[近似解]]，其中$K$与数据相关但与$\varepsilon$无关，$C$为[[绝对常数]]，$k=|supp(\widehat{\pi})|\leq n$是$\widehat\pi$的[[原子测度|原子数]]。我们还可在有限时间内确定性计算$|supp(\widehat\pi)|$的精确值。当数据集$(x_1,\dots,x_n)\in [-cn^{1/4},cn^{1/4}]$来自具有(相对于[[勒贝格测度]]的)[[概率密度函数|密度]]的[[概率分布]]时，这些保证几乎必然成立。我们还证明：当$k\leq \sqrt{n}/3$时，限定为k原子型的$\widehat\pi$[[条件分布]]在相关$2k-1$维[[参数空间]]上存在密度，且[[EM算法]]几乎必然具有[[收敛速度|局部线性收敛性]]。关键工具之一是[[非退化曲线]]的经典[[傅里叶分析]]估计。

== 摘要 ==
* '''原文标题'''：Large-Scale, Long-Time Atomistic Simulations of Proton Transport in Polymer Electrolyte Membranes Using a Neural Network Interatomic Potential
* '''中文标题'''：基于神经网络原子间势的聚合物电解质膜质子传输大规模长时原子模拟
* '''发布日期'''：2025-03-26 10:40:30+00:00
* '''作者'''：Yuta Yoshimoto, Naoki Matsumura, Yuto Iwasaki, Hiroshi Nakao, Yasufumi Sakai
* '''分类'''：cond-mat.mtrl-sci, physics.comp-ph
*'''原文链接'''：http://arxiv.org/abs/2503.20412v1
'''中文摘要'''：近年来，[[机器学习原子间势能]]（[[MLIPs]]）作为一种能够实现大规模、长时间[[原子模拟]]的方法备受关注，同时保持与基于[[密度泛函理论]]（[[DFT]]）和[[从头算波函数理论]]的[[电子结构计算]]相当的精度。然而，基于[[MLIP]]的[[分子动力学]]（[[MD]]）模拟面临的一个挑战是，与使用传统[[经典势能]]的模拟相比，其稳定性较低。分析高度异质系统或[[非晶材料]]通常需要大规模和长时间的模拟，因此需要开发能够实现稳定[[MD模拟]]的鲁棒性[[MLIPs]]。在本研究中，我们利用[[神经网络势能]]（[[NNP]]）生成器，构建了一个[[NNP模型]]，该模型能够对[[全氟离子交换膜]]（[[Nafion]]）在不同[[水合水平]]下进行大规模、长时间的[[MD模拟]]。通过[[主动学习]]循环迭代扩展数据集，我们成功构建了一个鲁棒的[[深度势能]]（[[DP]]）模型。具体而言，通过将非平衡[[DPMD]]模拟采样的非平衡结构与结合最小原子间距离的[[三维结构特征空间]]中的结构筛选相结合，可以显著增强[[DP模型]]的鲁棒性，从而实现对约10,000至20,000个原子的大型[[Nafion系统]]进行长达31 ns的稳定[[MD模拟]]。采用所开发的[[DP模型]]进行的[[MD模拟]]得到的[[氢原子]]自[[扩散系数]]，在广泛的[[水合水平]]范围内，与先前较小系统的[[从头算MD模拟]]相比，更接近[[实验值]]。